自動運転のための擬似シミュレーション

要約: 自動運転車（AV）に対する既存の評価パラダイムは、重大な制約に直面しています。現実世界での評価は、安全性の懸念と再現性の欠如のためしばしば困難です。一方、閉ループのシミュレーションは現実味が不足している場合や計算コストが高い場合があります。オープンループ評価は効率的でデータ駆動型である一方、一般に複合的な誤差を見落とす指標に依存します。本研究では、これらの制限に対処する新たなパラダイムとして「疑似シミュレーション」を提案します。疑似シミュレーションはオープンループ評価と同様に実データセット上で動作しますが、評価前に3Dガウススプラッティングを用いて生成された合成観測を追加することで拡張します。我々の核心的アイデアは、位置、向き、速度が異なる多様な観測を生成することにより、AVが遭遇し得る潜在的な未来の状態を近似することです。我々の手法は、AVの予想される挙動と最もよく一致する合成観測に、近接性に基づく新規重み付けスキームを用いてより高い重要度を割り当てます。これにより、連続的な対話型シミュレーションを必要とせず、クローズドループベンチマークのように誤差回復の評価と因果混乱の緩和を可能にします。疑似シミュレーションは、従来の最良のオープンループ手法よりもクローズドループシミュレーションと高い相関を示します（R^2=0.8）。また、コミュニティが疑似シミュレーションを用いて新しい手法をベンチマークできる公開リーダーボードを確立します。私たちのコードは https://github.com/autonomousvision/navsim で利用可能です。